جهش استدلالی خودران‌ها: موج دوم با موتور هوش مصنوعی از راه رسید

در دنیای پرتلاطم فناوری، گاهی موج‌ها آنقدر قدرتمند و سریع از راه می‌رسند که حتی باتجربه‌ترین تحلیلگران را هم غافلگیر می‌کنند. سال ۲۰۱۶ و ۲۰۱۷، تب خودروهای خودران (Autonomous Vehicles) به اوج خود رسیده بود؛ استارتاپ‌ها با ایده‌های بلندپروازانه یکی پس از دیگری متولد می‌شدند و سرمایه‌گذاران با چشمان بسته، دلارهایشان را به سمت این آینده موعود سرازیر می‌کردند. اما حالا، در سال ۲۰۲۶، پونهیت مرووا (Puneeth Meruva)، از شرکای اصلی صندوق سرمایه‌گذاری Trucks VC که در استارتاپ‌های اولیه حوزه حمل‌ونقل تخصص دارد، معتقد است این بار قضیه کاملاً متفاوت است. او و تیمش شواهد ملموسی دارند که نشان می‌دهد موج دوم، نه تنها بزرگ‌تر و داغ‌تر از گذشته است، بلکه سوخت اصلی آن، چیزی نیست جز هوش مصنوعی!

موج دوم، این بار با موتور هوش مصنوعی: فراتر از هایپ ۲۰۱۶

صندوق سرمایه‌گذاری Trucks VC در سال جاری (۲۰۲۶) با pitches ۸۱ استارتاپ جدید در حوزه خودروهای خودران مواجه شده است؛ رقمی که دو سوم بیشتر از سال گذشته بوده و حتی از سال‌های اوج یک دهه پیش نیز فراتر رفته. این آمار خیره‌کننده، نشان می‌دهد که ما در آستانه یک تحول عظیم هستیم که صرفاً یک هایپ زودگذر نیست. مرووا به درستی اشاره می‌کند که در گذشته، شرکت‌های خودران در تلاش بودند تا از AV 1.0 به AV 2.0 برسند؛ یعنی همان معماری پایان‌به‌پایان (end-to-end architecture) که مانند جام مقدس صنعت خودران به نظر می‌رسید. این مدل‌ها نیازمند حجم عظیمی از داده و قدرت پردازشی فوق‌العاده بودند که در آن زمان به سادگی در دسترس نبود.

اما اکنون، اوضاع کاملاً فرق کرده. هوش مصنوعی مولد و مدل‌های بنیادی، نه تنها رؤیای معماری پایان‌به‌پایان را به واقعیت تبدیل کرده‌اند، بلکه به سرعت بخشیدن و ارزان‌تر شدن توسعه و استقرار خودروهای خودران کمک شایانی می‌کنند. این جهش تکنولوژیک، به استارتاپ‌های کوچک‌تر اجازه می‌دهد تا با منابع کمتر، وارد میدانی شوند که تا چندی پیش فقط در انحصار غول‌های بزرگ بود. این موج جدید، دیگر فقط درباره ربات‌ها و حسگرها نیست؛ درباره مغز متفکری است که پشت فرمان می‌نشیند و تصمیم می‌گیرد: هوش مصنوعی.

معماری پایان‌به‌پایان و جهش استدلالی: نقش مدل‌های بنیادی

رمزگشایی از این «موج دوم»، در درک عمیق‌تر از مدل‌های بنیادی (Foundational Models) نهفته است. این مدل‌ها، برخلاف سیستم‌های قدیمی که بر پایه قواعد دست‌ساز و ماژول‌های جداگانه برای هر وظیفه (مثل تشخیص اشیا، پیش‌بینی مسیر، برنامه‌ریزی حرکت) کار می‌کردند، توانایی تعمیم (generalization) بی‌نظیری دارند. یعنی می‌توانند با حجم عظیمی از داده‌های متنوع آموزش ببینند و سپس در محیط‌ها و سناریوهای کاملاً جدید، عملکردی قابل قبول از خود نشان دهند.

این قابلیت، معماری پایان‌به‌پایان را ممکن می‌سازد؛ جایی که یک مدل واحد، ورودی‌های حسگر (تصاویر، رادار، لایدار) را دریافت کرده و مستقیماً خروجی‌های کنترلی (فرمان، گاز، ترمز) را تولید می‌کند. این همان «جهش استدلالی» است که ما مدت‌ها در انتظارش بودیم. مدل‌های قدرتمند متن‌باز مانند Alpamayo انویدیا (Nvidia’s Alpamayo) و مدل‌های بینایی-زبانی-کنشگر (vision-language-action models) شرکت کوئن (Qwen)، دسترسی به این فناوری پیشرفته را برای استارتاپ‌ها بسیار آسان‌تر کرده‌اند. پونهیت مرووا تأکید می‌کند که اکنون، استارتاپ‌ها می‌توانند ظرف چند ماه و با کمتر از ۱ میلیون دلار سرمایه اولیه، محصول خود را استقرار (deploy) کنند. این کاهش چشمگیر در موانع ورود و هزینه‌ها، گواهی بر قدرت دموکراتیک‌سازی هوش مصنوعی است که به توسعه‌دهندگان ایرانی نیز فرصت‌های بی‌نظیری می‌دهد.

رقابت رباتاکسی‌ها در مسیرهای تازه: از ویمو تا استارتاپ‌های نیش

در میان ۸۱ استارتاپی که Trucks VC با آن‌ها گفتگو کرده، نکته غافلگیرکننده، افزایش چشمگیر تعداد شرکت‌هایی است که به طور خاص بر کسب‌وکارهای رباتاکسی (robotaxi) تمرکز کرده‌اند. این استارتاپ‌ها، نه تنها صرفاً به دنبال توسعه فناوری نیستند، بلکه بسیاری از آن‌ها مستقیماً خود را رقبای ویمو (Waymo)، پیشگام این صنعت، معرفی می‌کنند. شاید در نگاه اول، این ادعا جسورانه و حتی کمی «کهکشانی» به نظر برسد، اما مرووا معتقد است که برای بازیکنان کوچک‌تر نیز در این عرصه جا هست.

او می‌گوید: «در این دنیا، شرکت‌های خودمختاری کوچک‌تر و با تمرکز بر بازارهای نیش (niche autonomy companies) می‌توانند رقابت کنند؛ شاید نه در مقیاس جهانی با ویمو، بلکه در مناطق خاص یا برای انواع مسیرهای مشخص.» این دیدگاه، پنجره کانتکست جدیدی را به روی بازار باز می‌کند؛ بازارهایی که شاید برای غول‌ها صرفه اقتصادی نداشته باشند یا به تخصص‌های منطقه‌ای خاصی نیاز داشته باشند. این رقابت فزاینده، نویدبخش نوآوری‌های بیشتری در حوزه رباتاکسی‌ها و بهبود تجربه کاربری برای عموم مردم است.

فراتر از جاده: هوش مصنوعی، راننده پنهان در لجستیک و تولید

انقلاب هوش مصنوعی در حوزه خودمختاری، تنها به خودروهای سواری محدود نمی‌شود. این فناوری، در حال بازتعریف گردش کار روزمره در صنایع مختلف است. شرکت‌هایی مانند الروی ایر (Elroy Air) در حال توسعه پهپادهای باری سنگین خودمختار برای کاربردهای دفاعی، واکنش سریع و لجستیک تجاری هستند. این ایجنت‌های خودمختار در آسمان، می‌توانند زنجیره‌های تأمین را متحول کرده و سرعت انتقال کالا را به شکلی بی‌سابقه افزایش دهند. در بخش زمینی، کودیاک اِی‌آی (Kodiak AI) قصد دارد از سال ۲۰۲۸، ۷۵ کامیون خودران را برای شرکت حمل‌ونقل DTL Transport تحویل دهد که اولین قرارداد تجاری الزام‌آور برای کامیون‌های بدون راننده در بزرگراه‌های عمومی محسوب می‌شود. این گام‌های عملی، نشان‌دهنده بلوغ فناوری و اعتماد صنعت به هوش مصنوعی برای اتوماسیون کامل لجستیک است.

حتی در حوزه تولید و زیرساخت‌های کارخانه‌ای نیز شاهد ورود قدرتمند هوش مصنوعی هستیم. پریکالر (PreScalar)، یک استارتاپ در سان‌فرانسیسکو، ۷ میلیون دلار سرمایه اولیه برای توسعه نرم‌افزار و زیرساخت‌های تست برای کارخانه‌ها جذب کرده است. بنیان‌گذاران این شرکت سوابقی در کروز (Cruise)، گوگل (Google)، ریویان (Rivian) و ویمو دارند که نشان از انتقال دانش از حوزه خودروهای خودران به صنعت تولید می‌دهد. در کنار این‌ها، ری‌بیلد (Re:Build)، یک شتاب‌دهنده تولیدی در ماساچوست که از آن با عنوان «پاسخ آمریکا به شنژن» یاد می‌شود و جف ویلک (Jeff Wilke)، مدیرعامل سابق بخش تجاری آمازون، از بنیان‌گذاران آن است، ۲.۱ میلیارد دلار سرمایه جذب کرده تا ظرفیت خود را برای تولید محصولات سخت‌افزاری پیشرفته و راه‌اندازی استارتاپ‌های صنعتی جدید گسترش دهد. این موارد، همگی تأکید می‌کنند که هوش مصنوعی در حال تبدیل شدن به ستون فقرات اتوماسیون در هر صنعتی است که به نوعی با حرکت و تولید سر و کار دارد.

همکاری‌های استراتژیک و سرمایه‌گذاری‌های میلیاردی: نقشه راه آینده

این موج جدید، با حمایت‌های مالی و همکاری‌های استراتژیک بی‌سابقه‌ای همراه است که آینده روشنی را نوید می‌دهد. ویمو و تویوتا (Toyota) سرانجام شراکت تولیدی خود را نهایی کردند. تویوتا قرار است خودروهای bZ4X آماده برای خودران شدن را تولید و سیستم خودران ویمو را در کارخانه خود در ژاپن روی آن‌ها نصب کند. این خودروها برای سرویس‌های رباتاکسی در ژاپن، بریتانیا و سایر بازارهای بین‌المللی استفاده خواهند شد. نکته مهم‌تر اینکه، شرکت‌ها اشاره کرده‌اند که این همکاری می‌تواند در نهایت به یک توافق مجوزدهی منجر شود که فناوری AV ویمو در خودروهای شخصی نیز به کار رود.

در خبری دیگر، ریویان (Rivian) و گروه فولکس‌واگن (Volkswagen Group) نیز در حال گسترش سرمایه‌گذاری مشترک ۵.۸ میلیارد دلاری خود برای شامل شدن دستیارهای هوش مصنوعی (AI assistants) هستند که نشان از عزم جدی برای ادغام هوش مصنوعی در تمام جنبه‌های تجربه رانندگی دارد. همچنین، استارتاپ بدراک رباتیکس (Bedrock Robotics) موفق شده ۶۰۰ میلیون دلار سرمایه جذب کند که ارزش این شرکت فناوری خودروهای خودران را به ۴.۱ میلیارد دلار می‌رساند؛ سرمایه‌گذاری عظیمی که توسط CapitalG و Emergence Capital رهبری شده است. حتی تسلا (Tesla) نیز برای افزایش پذیرش سیستم رانندگی کاملاً خودران تحت نظارت (Full Self-Driving (Supervised)) خود، به پلتفرم تورو (Turo) روی آورده است. تمام این تحولات، از سرمایه‌گذاری‌های عظیم و شراکت‌های استراتژیک گرفته تا کاهش موانع ورود برای استارتاپ‌ها، نشان از یک «کورس رقابت غول‌های هوش مصنوعی» و بازیگران جدید دارد که نه تنها صنعت خودران، بلکه تمام حوزه حمل‌ونقل و لجستیک را در آستانه یک انقلاب واقعی قرار داده است. هوش مصنوعی دیگر یک گزینه نیست، بلکه موتور اصلی حرکت به سوی آینده‌ای خودمختار است.